014. Çeyrek 2025
TAMAMLANDI
L1 Prompt Fusion
İstemler ReasonAug ve ARD kullanılarak akıllıca oluşturulur ve özel olarak eğitilmiş TanAIEncoder ile L2 katmanına hazırlanır.
05 / YOL HARİTASI
Gelişen bir sistem.
TanAI’nin yol haritası. Bu mimarinin gelişimini izleyin. Mimariyi kullanmak için dokuz katmanın tamamlanması gerekmez: her katman modüler ve kullanıma uygundur.
021. Çeyrek 2026
REVİZYON 1–2 TAMAMLANDI
L2 AR Core
Otoregresif çekirdeğin tasarımı ve kodlanması. TanAIGATCore mimarisinde FUSED, ECV ve CHRONOS projeksiyonları tamamlandı.
031. Çeyrek 2026
TAMAMLANDI
Model Eğitimi (R1–R2)
64K söz varlığına sahip TanAITokenizer, 1280DIM TanAIEncoder, Offline Indexer, Vector Fused, Emotion ve Time eğitimi kullanılarak milyonlarca satırlık korpusla eğitim. Temel modeli eğitmek için tüm mimarinin birleştirilmesi. Kaydın yazıldığı aşamada model R1 eğitimindeydi.
042. Çeyrek 2026
TAMAMLANDI
Model Eğitimi (R3)
Model 2B parametreye ölçeklendi. 0.8B modelin Ar-Ge süreçleri tamamlandı. Tokenizer 96K söz varlığıyla yeniden eğitildi; morfolojik dil yapılarını daha düşük frekanslarda destekliyor. Encoder, 1536D boyutu ve en fazla 4096 dizi uzunluğuyla eğitildi. Büyük veri kümeleri Base-LM eğitimi için indekslendi ve Condition Projection eğitimi için vektörleştirildi. Kaydın yazıldığı aşamada Base-LM eğitimi sürüyordu.
053. Çeyrek 2026
DEVAM EDİYOR
Yeni Model Eğitimi (R4)
2B Base ve SFT eğitimlerinin ardından, 193 milyardan fazla token kullanarak daha gelişmiş ku2-3B modelini eğitiyoruz. Transformer Block Attention Residual geliştirmesini uyguladık; 2B modelde karşılaşılan RoPE ve KV-truncation sorunlarını çözdük. Bu model TanAI’nin temel modeli olacak.
06Sonraki adım
PLANLANDI
L3 VAE / Köprü
AR modelinin çıkarımlarını dLLM ile birleştiren bir köprü tasarlayacağız.
07Sonraki adım
PLANLANDI
L4 dLLM Core
Mimarinin ikinci çekirdeği olan Difüzyon mimarisi, Memory-Prediction yapısının omurgasıdır. L2 ve L3’ten gelen gizil temsilleri işleyerek insansı ve bağlama duyarlı çıktılar üretecek.
08Sonraki adım
PLANLANDI
dLLM Eğitimi
İşin en zor kısmı, AR modelindeki veri kümeleriyle gürültü oluşturarak Difüzyon çekirdeğini eğitmek.
09Sonraki adım
PLANLANDI
L5 Fusion Core Layer
AR ve dLLM’nin çok boyutlu çıktılarını tek ve tutarlı bir anlamsal-duygusal temsile dönüştüren katmanı tasarlayacağız.
10Sonraki adım
PLANLANDI
L6 Duygusal Bellek
Kullanıcının duygusal ve anlamsal sürekliliğini sağlayan, üretilen çıktının bağlamsal tutarlılığını güvence altına alan katman.
11Sonraki adım
PLANLANDI
L7 Çıktı Sentezi
Tüm katmanlardan gelen çıkarımın son noktası. Voice Profiler eklentilerinin en kararlı biçimdeki kod çözücüsü.
12Sonraki adım
PLANLANDI
L8 Self Adaptive Tuning
SAT, kullanıcıdan öğrendiklerini bir işlem hattıyla iyileştirip model ağırlıklarına yansıtır. Gömülü RAG yükünü azaltır.
13Sonraki adım
PLANLANDI
L9 Ajan Planlayıcı
Öğrendiklerini size ihtiyaç duymadan uygularlar; hepsi bu kadar…